最近看了一圈华语区，发现讨论 TAO 的人其实不多，但英文区的讨论热度一直很高。 这两天花时间系统了解了一下 TAO / Bittensor，整理一份比较通俗的分享，方便大家快速理解它到底在做什么。 1⃣TAO / Bittensor 是什么？ 简单理解，TAO 想做的是 把 AI 变成一个像比特币一样的开放网络。 现在的 AI 基本被几家公司控制，比如 OpenAI、Google、Anthropic 等。 模型、算力、数据、定价，几乎都掌握在少数公司手里。 Bittensor 想改变这一点。 它用一种叫 Proof of Intelligence（智能证明） 的机制，让任何人都可以参与 AI 网络： 你可以提供模型，可以提供算力，可以提供数据，可以提供推理能力 只要你的 AI 输出是有价值的，就能获得 TAO 奖励。 2⃣TAO 网络是怎么运作的？ 整个 Bittensor 网络由 子网（Subnets） 组成。 可以理解成：一个子网 = 一个 AI 赛道 比如 文本生成，图像处理，翻译，搜索，推理计算，模型训练 安全计算 每个子网专注一个方向。 目前网络大约有 128 个子网，未来目标是扩展到 256 个。 但真正成熟的子网大概只有 20%-30%，也就是所谓的蓝筹子网。 这其实很像早期互联网或早期以太坊生态： 很多实验项目，少数能跑出来 最后形成核心基础设施 而 TAO 的总供应量是 2100 万枚，和比特币一样，并且也有 减半机制。 这让它天然带有一种“AI 比特币”的叙事。 3⃣TAO 为什么突然开始被市场关注？ 第一：Dynamic TAO（dTAO）升级 这是 2025 年最重要的一次升级。升级之后，子网可以直接被投资，形成 alpha 代币。TAO 持有者可以把资金投给不同子网，支持高性能子网获得更多奖励。 结果就是： 好的子网获得更多资源，差的子网被淘汰，网络效率大幅提升，生态开始从叙事走向实际产品。 。 第二：2025 年 12 月第一次减半 和比特币一样。 TAO 每日发行从大约 7200 枚降到 3600 枚。 供应直接减少。在需求不断增长的情况下，减半自然会成为长期利好逻辑。 第三：去中心化大模型训练被验证 这是技术层面的关键突破。子网 Templar 成功在分布式网络上训练出 72B 参数模型。使用普通硬件，70 多个独立节点，没有超级集群，最终训练出可竞争的大模型。 第四：英伟达 CEO 公开认可 2026 年 3 月，Jensen Huang（黄仁勋） 公开称赞 Bittensor 的分布式训练。认为这是一个很了不起的技术成就。 第五：机构开始进入 Grayscale 推出 Bittensor Trust，Bitwise 提交相关申请 欧洲出现 TAO ETP 产品，主流交易所开始上线 4⃣TAO 子网里真正有应用的有哪些？ 1. SN3: τemplar（Templar） —— 去中心化大模型训练王者 业务定位：分布式LLM预训练平台，专注于大规模模型训练（使用SparseLoCo等创新压缩算法）。 核心成就：成功训练 Covenant-72B（72B参数、1.1万亿tokens），完全在分布式普通硬件上完成（70+独立节点），无需超级集群。 生态意义：证明“去中心化训练”不再是理论，打破OpenAI式中心化垄断。子网收入循环回购Alpha，形成正反馈；是TAO“智能生产层”的旗舰代表，推动整个网络向“集体智能”进化。 2. SN64: Chutes —— Serverless AI推理采用之王（实际使用量最高） 业务定位：无服务器GPU计算平台，开发者上传模型/容器即可一键部署AI服务（文本生成、图像/视频生成等）。 核心成就：累计处理 91亿tokens，服务40万+用户（含10万+API用户），日请求峰值超5000万。 定价比AWS低85%、比Together AI低10-50%，已成为OpenRouter顶级推理提供商。 部分模型性能已超越部分中心化竞品。 生态意义：最接近“真实产品市场契合”（PMF）的子网，证明去中心化AI能产生现金流和海量采用。收入自动回购Alpha+奖励矿工，形成闭环经济；是代理经济（Agent Economy）的底层计算基础设施。 3. SN4: Targon —— 机密安全计算企业级代表 业务定位：去中心化机密GPU计算平台，专注隐私保护的AI推理和训练。 核心成就：与Intel合作，提供企业级安全计算，已服务400万+用户。 支撑Dippy等平台，完成数百万次真实AI调用。 2025年完成1050万美元A轮融资。 生态意义：解决AI隐私与合规痛点（传统云难以提供），吸引机构和企业入场。与Render/Akash等计算层互补，是TAO向“生产级AI”转型的关键一环。 等等..... 行情差的时候，与其频繁交易和到处撸毛，不如静下心研究下一个 alpha。 真正的机会，往往出现在大多数人还没开始讨论的时候。 TAO 目前在华语区研究的人不多，这篇只是个人学习笔记式整理。 欢迎各位大佬补充观点、提出不同看法！！